행렬의 대각합 (Trace of a Matrix)

한 줄 정의: 정사각행렬의 주대각선 원소들을 모두 더한 값으로, 그 행렬의 고유값들의 합과 같다.

쉽게 풀면

행렬에서 왼쪽 위부터 오른쪽 아래로 이어지는 대각선 위의 숫자들만 뽑아 더한 값이다. 신기하게도 이 값은 행렬의 모든 고유값을 더한 것과 정확히 같아서, 행렬의 전체적인 '규모'를 간단히 요약해준다. 딥러닝이나 통계에서 복잡한 행렬 연산의 결과를 요약할 때 자주 등장한다.

왜 중요한가

대각합은 계산이 단순하면서도 행렬의 고유값 합, 즉 전체적인 크기나 분산의 총량을 압축적으로 담고 있어 선형대수를 다루는 여러 분야에서 요약 통계량이나 정규화항으로 즐겨 활용됩니다. 통계학에서는 분산-공분산 구조를 요약하는 지표로, 최적화나 머신러닝에서는 손실함수를 설계할 때 계산 효율이 높은 정규화 수단으로 자주 등장합니다. 또한 순환행렬 성질(대각합의 순환 불변성) 덕분에 복잡한 행렬 곱셈식을 단순화하는 데도 폭넓게 쓰입니다.

논문에서는 이렇게 쓰입니다

"손실함수에 공분산 행렬의 대각합을 정규화항으로 추가하였다."

대각합은 계산이 간단하면서도 행렬의 전체 크기나 분산의 총량을 요약하는 지표로 자주 활용된다.

"주성분분석에서 설명된 분산의 비율은 선택된 주성분들의 고유값 합을 전체 공분산 행렬의 대각합으로 나누어 계산하였다."

통계학 연구에서 대각합이 전체 분산의 총량을 나타내는 기준값으로 쓰여, 일부 주성분이 전체 변동성 중 얼마를 설명하는지 비율로 나타낸 예이다.

"양자역학적 기댓값 계산에서 밀도행렬과 관측연산자의 곱의 대각합을 이용해 물리량의 평균을 구하였다."

물리학 연구에서 대각합이 단순한 수학적 요약을 넘어 실제 관측 가능한 물리량의 평균을 계산하는 데 직접 쓰이는 예이다.

조금 더 깊게 보면

대각합의 중요한 성질 중 하나는 순환 불변성으로, tr(ABC)=tr(BCA)=tr(CAB)처럼 행렬의 곱셈 순서를 순환적으로 바꾸어도 대각합의 값이 변하지 않습니다. 이 성질 덕분에 복잡한 행렬식 안에서 원하는 항끼리 묶어 미분하거나 정리하기가 쉬워져, 최적화 문제의 기울기를 유도할 때 자주 활용됩니다. 또한 대각합이 고유값의 합과 같다는 사실은 행렬식(고유값의 곱)과 함께 행렬의 특성다항식을 구성하는 핵심 계수이기도 해서, 안정성 분석이나 고유값 문제를 다룰 때 함께 참고됩니다.

주의할 점

대각합은 정사각행렬에만 정의되며, AB의 대각합과 BA의 대각합은 같지만 A와 B 각각의 대각합의 곱과는 다르다.